作為人工智能、大數(shù)據(jù)技術(shù)落地應(yīng)用的典型行業(yè)領(lǐng)域，公安行業(yè)近幾年來在相關(guān)技術(shù)的推動之下發(fā)生了較為顯著的變化，其中人臉識別、車輛結(jié)構(gòu)化描述等技術(shù)進(jìn)入到相對成熟的應(yīng)用階段，但隨著公安實戰(zhàn)應(yīng)用需求的增加，現(xiàn)有的一些體系和架構(gòu)仍需要進(jìn)一步的升級改造。人工智能、大數(shù)據(jù)技術(shù)深入應(yīng)用的同時，也需要持續(xù)跟進(jìn)技術(shù)的后續(xù)演變，制定相關(guān)標(biāo)準(zhǔn)以及對技術(shù)應(yīng)用過程中可能出現(xiàn)的問題進(jìn)行提前布局。

本次a&s特別邀請到公安三所物聯(lián)網(wǎng)技術(shù)研發(fā)中心研究員梅林博士，針對當(dāng)前階段公安領(lǐng)域的實戰(zhàn)應(yīng)用所面臨的困難點和未來的技術(shù)方向做了充分的剖析和探討，希望本期訪談能夠?qū)π袠I(yè)提供一些意見和參考！

Q：a&s總經(jīng)理、總編輯 關(guān)玉娟

A：公安三所物聯(lián)網(wǎng)技術(shù)研發(fā)中心研究員梅林博士

關(guān)玉娟：對于當(dāng)前階段公安領(lǐng)域的創(chuàng)新技術(shù)應(yīng)用現(xiàn)狀，您有哪些感受和看法？

梅林博士：在一些標(biāo)準(zhǔn)化的場景中，人臉識別、人證合一、車輛結(jié)構(gòu)化描述等AI技術(shù)應(yīng)用擁有很高的成熟度，應(yīng)用效果很好。但在一些非標(biāo)準(zhǔn)化的場景下，比如開放式的1：N人臉識別或是非交通卡口的治安監(jiān)控點，由于安裝角度、光線環(huán)境等因素，人臉和車輛的識別分析效果依舊有待提升。

另外，繼人臉識別之后，行人重識別正逐漸得到越來越多研究單位的重視，但這也是一個非標(biāo)場景，角度、距離、光線、裝扮等都會對識別分析的效果產(chǎn)生影響，這種情況下如何實現(xiàn)精準(zhǔn)識別仍具有很大的挑戰(zhàn)性。但一旦突破了應(yīng)用瓶頸，便可以很好地助力公安實戰(zhàn)應(yīng)用?，F(xiàn)階段，行人重識別技術(shù)還處在相關(guān)研究機(jī)構(gòu)技術(shù)積累的階段，距離落地應(yīng)用仍有待時間考驗。

圍繞著人工智能的圖像內(nèi)容識別，除了人、車等關(guān)鍵目標(biāo)之外，還有一個技術(shù)領(lǐng)域，適用于安檢場景的X光圖像目標(biāo)智能識別研究，這也是一個由應(yīng)用需求驅(qū)動的技術(shù)領(lǐng)域，X光主要用于機(jī)場、火車站、地鐵等場所的安檢環(huán)節(jié)，我們現(xiàn)階段的研究方向主要聚焦在通過X光圖像來自動識別過檢箱包中的違禁物品，諸如槍支、刀具等違禁品物的智能識別預(yù)警。

與此同時，我們也在承接一些公安大數(shù)據(jù)的項目，這里面涉及到很多方面的技術(shù)，比較典型的有三個應(yīng)用場景：

第一個是電信詐騙，電信詐騙是傳統(tǒng)犯罪向新型犯罪轉(zhuǎn)變的一個老大難問題，相比于傳統(tǒng)的犯罪形式，電信詐騙由于虛擬身份信息、跨平臺作案等因素，破案難度更升一級；

第二個應(yīng)用場景是立體化治安防控。隨著相關(guān)技術(shù)的逐漸成熟，立體化治安防控也進(jìn)入到新的階段，此前的立體化防控主要聚焦在安防建設(shè)方面，后續(xù)將會融合更多維度的數(shù)據(jù)信息采集，除了現(xiàn)有的基于傳感系統(tǒng)的數(shù)據(jù)之外還將包括線上線下的各種數(shù)據(jù)，綜合起來進(jìn)行更精準(zhǔn)的數(shù)據(jù)畫像；

第三是物聯(lián)網(wǎng)防控，除了視頻監(jiān)控之外，像Wi-Fi、RFID、電子車牌等不同維度的信息都可以關(guān)聯(lián)到一起，通過豐富的數(shù)據(jù)類型，來共同碰撞出更有價值的信息。未來5G大規(guī)模應(yīng)用之后，希望有這么一套設(shè)備能夠和警務(wù)站、警亭、單兵進(jìn)行人機(jī)協(xié)同，合成作戰(zhàn)，實現(xiàn)一站式采集，讓各項數(shù)據(jù)實現(xiàn)實時的融合、聯(lián)動，為公安實戰(zhàn)提供高效快捷的情報分析。

未來，視頻專網(wǎng)可能會發(fā)展成物聯(lián)網(wǎng)專網(wǎng)，這也是未來公安視頻監(jiān)控應(yīng)用發(fā)展的趨勢之一。

還有一個趨勢是移動視頻監(jiān)控信息采集。當(dāng)前階段的視頻監(jiān)控更多是采用固定點位進(jìn)行視頻數(shù)據(jù)的采集，但隨著車輛移動監(jiān)控以及可穿戴式監(jiān)控設(shè)備的出現(xiàn)，未來移動監(jiān)控的應(yīng)用也將成為一大趨勢方向。

關(guān)玉娟：目前階段視頻監(jiān)控系統(tǒng)應(yīng)用存在的主要問題以及需要提升的方向有哪些？

梅林博士：視頻監(jiān)控系統(tǒng)雖然智能化程度在不斷提高，但距離公安實戰(zhàn)應(yīng)用仍然有一些待改進(jìn)的地方，主要包含這幾個方面：

視頻監(jiān)控系統(tǒng)性設(shè)計的缺乏。視頻監(jiān)控系統(tǒng)依舊以平安城市、智慧城市的應(yīng)用為主，如何更多的去整合其他部門的資源和需求來完善頂層設(shè)計也是當(dāng)務(wù)之急；

在頂層設(shè)計過程中，同時還存在著混合計算優(yōu)化的問題，針對云、邊、端的系統(tǒng)架構(gòu)，如何實現(xiàn)資源部署的最優(yōu)化也是需要重點考慮的方向；

視頻分析應(yīng)用的可擴(kuò)展性也是一個問題，比如針對人、車目標(biāo)的布控，不同的目標(biāo)布控有不同的計算需求，因此需要進(jìn)一步完善視頻監(jiān)控前端或云端對于這種計算需求的適配性；

視頻分析是一項大數(shù)據(jù)的應(yīng)用，分析的精準(zhǔn)度很大程度上依賴數(shù)據(jù)量的不斷增加，在這個過程中，希望能夠建立起一個行業(yè)知識庫，來輔助建立更高精準(zhǔn)度的視頻監(jiān)控識別系統(tǒng)。

另外從業(yè)務(wù)需求分析的角度來看，針對不同警種的業(yè)務(wù)需求以及公安實戰(zhàn)過程中的不同環(huán)節(jié)，公安視頻監(jiān)控系統(tǒng)主要聚焦在線視頻智能監(jiān)控預(yù)警、海量視頻離線綜合研判以及視頻警務(wù)語義解析服務(wù)平臺這幾大類的業(yè)務(wù)應(yīng)用方面。

綜合而言，視頻監(jiān)控分析應(yīng)用不僅是建立更多高清聯(lián)網(wǎng)的視頻監(jiān)控探頭，更重要的是通過一個視頻解析和服務(wù)體系建設(shè)，從采集、分析、處理、挖掘各個環(huán)節(jié)出發(fā)實現(xiàn)對海量視頻資源的深度應(yīng)用，以此來促進(jìn)視頻監(jiān)控產(chǎn)業(yè)從監(jiān)控到理解的轉(zhuǎn)型。

關(guān)玉娟：從技術(shù)發(fā)展的角度來看，接下來安防領(lǐng)域的人工智能應(yīng)用還有哪些需要攻克的技術(shù)方面？

梅林博士：首先是視頻流媒體的分布式計算引擎。視頻云現(xiàn)在還是基于單個文件的處理，如何實現(xiàn)基于流媒體的分布式處理需要進(jìn)一步研究。

其次在視頻圖像增強(qiáng)方面，盡管視頻監(jiān)控攝像頭高清指數(shù)在不斷升級，但同時也存在由于運(yùn)動、光線等因素造成的模糊，如何實現(xiàn)對模糊視頻圖像像素的增強(qiáng)和還原，也是一大技術(shù)方向之一，未來有望通過基于深度學(xué)習(xí)的人工智能技術(shù)來實現(xiàn)圖像增強(qiáng)的突破。

另外，數(shù)據(jù)的分布式計算。現(xiàn)階段，數(shù)據(jù)資源很多時候掌握在不同地區(qū)不同部門的手中，未來是否有這樣一種機(jī)制，讓數(shù)據(jù)既能夠本地化又能實現(xiàn)跨地域互通，可以在降低數(shù)據(jù)傳輸?shù)娘L(fēng)險和成本的同時滿足數(shù)據(jù)計算的需求。

還有類腦智能研究，通過摸索大腦對圖像和動作的識別過程，去發(fā)現(xiàn)深度學(xué)習(xí)在理解大腦模式中所存在的問題，在這方面，可以聯(lián)合神經(jīng)科學(xué)、心理學(xué)等構(gòu)成跨學(xué)科的研究團(tuán)隊，目前我們和上海類腦中心也在積極探索這方面的技術(shù)研究。

未來，還有一個方向值得關(guān)注——人工智能的對抗。隨著人工智能技術(shù)的逐漸成熟以及在大眾生活場景中的密切應(yīng)用，未來利用人工智能犯罪也可能成為一種趨勢，比如當(dāng)下為了防止人臉信息被盜用冒用推出的人臉識別活體檢測手段，人工智能的對抗研究將是一個持續(xù)的過程。

關(guān)玉娟：現(xiàn)階段對于公安用戶而言，人工智能技術(shù)和應(yīng)用的投入產(chǎn)出比是否也存在不對等的問題？

梅林博士：有這個問題，公安信息化過程中，創(chuàng)新科技產(chǎn)品和技術(shù)作為一種基礎(chǔ)的設(shè)施投入本身并沒有問題，但投入之后如何實現(xiàn)價值最大化這是一個主要問題?，F(xiàn)階段由于條塊分割措施，使得很多政府投入的設(shè)施局限到誰建誰用，誰建誰管的規(guī)則之中，極大地限制了這些設(shè)施價值的充分發(fā)揮，自然也導(dǎo)致了應(yīng)用成本的加大。

投入產(chǎn)出比不對等并非是技術(shù)的問題，目前在整個建設(shè)和建設(shè)效益之中最困擾的其實說到底就是數(shù)據(jù)共享的問題，而這個問題需要從國家層面，從政府層面用政策去引導(dǎo)去解決。

從數(shù)據(jù)共享衍生出來的還有數(shù)據(jù)標(biāo)注的問題。現(xiàn)階段，人工智能技術(shù)的發(fā)展是通過海量的數(shù)據(jù)進(jìn)行驅(qū)動，卓越的算法主要是建立在大量數(shù)據(jù)的投喂和訓(xùn)練基礎(chǔ)之上，這個過程中，由于缺乏適用的數(shù)據(jù)集，很多時候數(shù)據(jù)標(biāo)注的成本便需要由企業(yè)自己來承擔(dān)，企業(yè)為了降低成本或追求速度，很多時候會以犧牲隱私的方式來進(jìn)行數(shù)據(jù)的采集和標(biāo)注。

這主要也源自于兩方面的原因：一是數(shù)據(jù)源大多掌握在政府公安權(quán)威部門的手中，第三方企業(yè)很難拿到數(shù)據(jù)；二是因為AI的落地場景過于分散，導(dǎo)致沒有一個統(tǒng)一的力量能夠主導(dǎo)這些分散場景中的數(shù)據(jù)采集和數(shù)據(jù)標(biāo)注的作業(yè)，使得市場秩序缺少規(guī)范和約束。所以我們也非常希望有關(guān)部門能夠?qū)?shù)據(jù)管理這塊真正重視和引導(dǎo)起來。

從技術(shù)角度來看，在數(shù)據(jù)管理方面，是否可以利用區(qū)塊鏈技術(shù)在個人隱私保護(hù)方面發(fā)揮作用這也是一個方向。區(qū)塊鏈作為一項技術(shù)，本身并沒有對錯，它所具備的數(shù)據(jù)憑證、防篡改等特征和優(yōu)勢，如果能應(yīng)用在數(shù)據(jù)管理和隱私保護(hù)方面，將會使得這項技術(shù)的價值進(jìn)一步發(fā)揮。

關(guān)玉娟：上面您談到的這些技術(shù)和應(yīng)用方向，由于涉及的范疇相當(dāng)廣泛且復(fù)雜，您希望業(yè)內(nèi)怎么去落實和推進(jìn)？

梅林博士：我們更希望是能夠以產(chǎn)學(xué)研聯(lián)盟或者是協(xié)會這樣的組織力量來共同推進(jìn)。創(chuàng)新技術(shù)的研究和落地應(yīng)用，光靠企業(yè)或技術(shù)單位的力量是不夠的，還需要有上層政府的引導(dǎo)和推力以及產(chǎn)業(yè)鏈的共同推進(jìn)。

關(guān)玉娟：對于未來安防領(lǐng)域的人工智能應(yīng)用，您有哪些建議和預(yù)判？

梅林博士：前面我們有提到數(shù)據(jù)共享問題、政策標(biāo)準(zhǔn)制定的問題。具體到技術(shù)的應(yīng)用落地上，主要還有對于場景和業(yè)務(wù)需求的理解。由于人工智能的應(yīng)用特別講求場景化，而每一個行業(yè)領(lǐng)域的應(yīng)用需求其實是非常細(xì)化的，這需要企業(yè)花時間和精力專注到用戶端的實際業(yè)務(wù)場景當(dāng)中，充分了解用戶的細(xì)微需求，這對于一些初創(chuàng)企業(yè)而言，可能比較具有挑戰(zhàn)性。

另外在商業(yè)模式的設(shè)計上，也值得諸多企業(yè)認(rèn)真思考，如何設(shè)計一套真正能夠進(jìn)行商業(yè)化落地的技術(shù)應(yīng)用模式，讓政府、廠商及用戶均能從這套模式中實現(xiàn)需求的滿足，從而讓產(chǎn)業(yè)實現(xiàn)良性循環(huán)，這是技術(shù)是否能夠落地的一大關(guān)鍵。

編后語：

不同于B端的應(yīng)用場景，人工智能、大數(shù)據(jù)等創(chuàng)新技術(shù)在公安領(lǐng)域的應(yīng)用具有更高的技術(shù)以及規(guī)范性要求。為了更好地契合公安實戰(zhàn)應(yīng)用需求，在不斷提升人工智能技術(shù)性能水平的同時，我們也要持續(xù)完善現(xiàn)有視頻監(jiān)控系統(tǒng)的體系和架構(gòu)，通過從監(jiān)控處理的自動化、信息處理的標(biāo)準(zhǔn)化以及按需服務(wù)的個性化以及網(wǎng)絡(luò)安全可控這幾大應(yīng)用需求出發(fā)，來解決視頻監(jiān)控應(yīng)用標(biāo)準(zhǔn)化、及時性、安全性的關(guān)鍵問題。

與此同時，通過基于認(rèn)知的視頻內(nèi)容理解、人工智能對抗、主動安全防御等技術(shù)瓶頸的突破，來為視頻監(jiān)控網(wǎng)絡(luò)的升級改造、相關(guān)技術(shù)和產(chǎn)品的產(chǎn)業(yè)化、產(chǎn)業(yè)標(biāo)準(zhǔn)的編制、視頻解析和服務(wù)體系的全國性推廣來奠定基礎(chǔ)，當(dāng)然這是一個循序漸進(jìn)的過程，也倚賴業(yè)界各部門和單位的集體重視和共同推進(jìn)！